1、yolov5无人机视觉检测，包含训练好的无人机检测权重，以及PR曲线，loss曲线等等，在一万多张无人机检测数据集中训练得到的权重，有pyqt界面，目标类别为drone共1个类别 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

基于YOLOv5的智能人脸数据标注工具。基于YOLOv5的智能人脸数据标注工具，实现人脸数据标注自动化 可自定义人脸检测模型、可导出多种格式标签，包括PASCAL VOC XML、MS COCO JSON、YOLO TXT教程 webcam实时标注 # a键捕获视频帧，q键退出 python face_labeling.py 图片标注（包括批量图片标注） python face_labeling.py -m img # 默认测试图片目录data/imgs python face_labeling.py -m img -imd ./img_dir # 指定图片目录 注：本项目支持的图片输入格式：jpg | jpeg | png | bmp | tif | webp 视频标注（包括批量视频标注） python face_labeling.py -m video # 默认测试视频目录data/videos python face_labeling.py -m video -vd ./video_dir # 指定视频目录 注：本项目支持的视频输入格式：mp4 |

PCB板缺陷检测系统源代码，基于yolov5自己的数据集+基于python的检测和C++的部署检测。相关工作 （1）解压数据集，放在yolov5-6.0根目录下 （2）删除ImageSets文件夹下的内容，在/ImageSets文件夹下新建Main文件夹 （3）数据集分类，运行test.py（注意路径正确）。会在/ImageSets/Main文件夹下生成四个txt文件，trainval.txt、test.txt、train.txt、val.txt。 （4）在data文件夹下新建labels文件夹，然后在yolov5-6.0文件夹下新建my_labels.py文件，并运行（注意路径，注意数据集类别）。会在data文件夹下生成三个txt文件，train.txt、val.txt、test.txt。 （5）在models文件夹下新建文件my_pcb.yaml（注意修改类别数量nc） （6）在data文件夹下新建my_data.yaml（注意train和val路径、nc和数据类别名称names） （7）准备预训练文件yolov5s.pt，放在weights文件夹下。 （8）开始训练

yolov5小目标检测 不附带yolo代码 详细介绍参考博客https://blog.csdn.net/qq_43622870/article/details/124984295

基于yolov5和deepsort的智能交通监控系统，有详细注释和readme使用说明

yolov5行为检测，调试好的程序，可以使用摄像头+mp4视频流，不会的可以发私信给我

其中包含train4104张，val 375张，test 371张，以及相应的text文本标注，包括类别，和烟的坐标。内容为抽烟图片，格式对标yolov5，改一下路径和类别即可直接执行训练。

本项目采用YOLOv5实现垃圾分类目标检测。利用大量已标注目标检测数据集进行训练，对居民生活垃圾图片进行检测，找出图片中属于哪个类别的垃圾，并指示出在图片中的位置。 本工程YOLOv5使用PyTorch版的ultralytics/yolov5，在Windows系统上进行垃圾分类目标检测的项目演示。具体项目过程包括：数据集及格式转换、探索性数据分析（EDA）、安装软件环境、安装YOLOv5、修改YOLOv5代码(为支持中文标签）、训练集和测试集自动划分、修改配置文件、准备Weights&Biases训练可视化工具、训练网络模型、测试训练出的网络模型和性能统计。

1、YOLOV5吸烟行为检测，两种训练好的模型，内含各种训练曲线图，并包含数据集， 5000多张使用lableimg软件标注软件标注好的吸烟数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为smoke; 可以直接用于YOLO系列的吸烟行， 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的

基于YOLOV5的人物专注性检测系统源码。人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用模型计算疲劳程度。 分心行为检测部分，检测是否存在玩手机、抽烟、喝水这三种行为。直接运行main.py，即可使用本程序。各函数的信息，均在代码中写好了注释。基于YOLOV5的人物专注性检测系统源码。人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用模型计算疲劳程度。 分心行为检测部分，检测是否存在玩手机、抽烟、喝水这三种行为。直接运行main.py，即可使用本程序。各函数的信息，均在代码中写好了注释。基于YOLOV5的人物专注性检测系统源码。人物专注性检测，分为两个检测部分，疲劳检测和分心行为检测。 疲劳检测部分，进行人脸关键点检测，然后通过计算眼睛和嘴巴的开合程度来判断是存在否闭眼或者打哈欠，并使用模型计算疲劳程度。 分心行为检测部分，检测是否存在玩手机、抽烟、喝水这三种